Перейти к содержанию
modelium.
Начать с задачи
←
Новость

Как диктовать запрос в Open WebUI через Whisper

На странице · 2 разделов

В уже работающем Open WebUI администратор может выбрать встроенный Whisper для превращения голоса в текст, а пользователь — продиктовать запрос через значок микрофона. Для русского языка укажите многоязычную модель base и язык ru. Аудио поступает на сервер Open WebUI: если он размещён удалённо, это не обработка на вашем домашнем компьютере. Перед отправкой прочитайте распознанную фразу.

Нужно надиктовать короткий запрос в чат вместо печати? В Open WebUI можно записать речь через микрофон и превратить её в редактируемый текст при помощи Whisper. Здесь модель работает на сервере Open WebUI, а не обязательно на устройстве, где открыт браузер: если сервер чужой или удалённый, аудио покидает ваш компьютер. s1 s3

Инструкция по документации и исходникам на 13 октября 2026 года. Редакция не запускала эту связку, не записывала голос и не проверяла офлайн-режим. Нужны уже работающий Open WebUI обычной, не slim-сборки, доступ администратора к настройкам аудио, пользовательский доступ к чату и микрофону в браузере. Требования к свободной оперативной памяти и месту для полной установки здесь не подтверждены: сначала испытайте на своей системе. Это настройка уже установленного сервера, не домашний рецепт его установки. s1 s2 s3

Что настроить для русского языка?

  1. Администратор открывает Settings → Admin → Audio → STT и выбирает встроенный Local Whisper, а не внешний OpenAI/Deepgram и не браузерный Web API. Для локального пути движок AUDIO_STT_ENGINE остаётся пустым, ключ внешнего STT не нужен. В slim-сборке встроенный Whisper отсутствует — в ней этот путь не подойдёт. s1 s2 s3
  2. Выберите модель base, не base.en: карточка Systran/faster-whisper-base включает русский язык; Open WebUI использует размер base по умолчанию. Если вы управляете окружением сервера, задайте WHISPER_MODEL=base и WHISPER_LANGUAGE=ru и перезапустите Open WebUI привычным способом развёртывания. ru фиксирует язык русской записи, вместо надежды на автоматическое определение. Учтите: настройки, сохранённые в интерфейсе, могут переопределять значения переменных после запуска; проверьте итоговый выбор в панели администратора. s2 s3 s4 s5
  3. Пользователь в STT Settings выбирает Speech-to-Text Engine: Default, а не Web API. Последний использует механизм браузера и сам по себе не доказывает локальность. До пробной записи убедитесь, что выключена опция автоматической отправки после завершения: если она включена, сохранение записи сразу отправит текст в чат и вы не успеете его поправить. s1

Что означает multilingual? В документации есть совет включить WHISPER_MULTILINGUAL=true для других языков. Однако код использует этот флаг только для повторного определения языка в каждом фрагменте записи. Он не заменяет англоязычные веса base.en многоязычной моделью base. Для русского монолога важны именно многоязычная модель base и выбранный ru; дополнительный флаг не нужен для выбора весов. Это вывод из исходников, а не измерение качества на русской записи. s1 s3 s4 s5

Как продиктовать пробную фразу и проверить текст?

Откройте чат с уже подключённой моделью. Разрешите браузеру доступ к микрофону для вашего адреса Open WebUI (обычно нужен защищённый HTTPS-адрес), нажмите значок микрофона и дождитесь индикатора звуковой волны. Произнесите собственный учебный текст: «Напомни купить молоко и хлеб в пятницу». Нажмите галочку, чтобы завершить запись; крестик отменяет её. Дождитесь текста в поле ввода, сравните слова и день недели с произнесённым и только потом вручную отправьте запрос. Ожидаемая фраза — критерий проверки, а не выданный редакцией результат модели. s1

Если микрофон молчит, проверьте разрешение и HTTPS. Если текст на русском неверен или пуст, сверьте выбранный движок Default, модель base, язык ru и доступность модели на сервере; не подменяйте проблему автоматическим переходом на облачный STT. Первая загрузка весов требует сети: код при отсутствии модели пытается скачать их даже при local_files_only, а исполнение после загрузки не проверялось без сети. Размер файла модели не говорит, сколько RAM нужно вашему серверу. s1 s2 s3

Следующий шаг: проверить работу Open WebUI без внешней сети после загрузки модели. Если сервер удалённый, такую проверку должен делать его администратор; обработка на удалённом сервере не становится обработкой на вашем компьютере. s3

Источники

  1. Open WebUI — Configure Speech-to-Text — revision 3b413088222ac2be321b91ff2d08ce66b9a1642d; Admin Audio, пользовательский Default/Web API, запись микрофоном, автопосылка, браузерные разрешения.. Получено 13.10.2026.
  2. Open WebUI — Speech-to-Text Environment Variables — revision 3b413088222ac2be321b91ff2d08ce66b9a1642d; Пустой STT engine, базовая модель, кэш, язык и загрузка.. Получено 13.10.2026.
  3. Open WebUI — pinned source audio router and config — revision 093bfce2b6bd128731bae8075110898ae22a76e9; Local Whisper unavailable in slim; model loading, language parameter, STT routing. Config defaults saved with evidence.. Получено 13.10.2026.
  4. faster-whisper — pinned transcribe implementation — revision 9fa78645d7913ff9d94d0907a2156526b19b4556; multilingual: perform language detection on every segment; base and base.en distinct; not a weight selector.. Получено 13.10.2026.
  5. Systran/faster-whisper-base — pinned model card — revision ebe41f70d5b6dfa9166e2c581c45c9c0cfc57b66; Конверсия openai/whisper-base для CTranslate2, список языков с ru; card license MIT — не юридический вывод.. Получено 13.10.2026.